arXiv · cs.AI· Wenbin Chen, Jiexin Wang, Guanting Wu, Jiaxi Liang, Yi Cai·· 8 小时前
SpecCloak通过工程规格提示探测大语言模型恶意代码生成
SpecCloak: Probing Harmful Code Generation through Engineering Specifications
arXiv:2610.17907v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Wenbin Chen, Jiexin Wang, Guanting Wu, Jiaxi Liang, Yi Cai
研究任务与主要进展
Wenbin Chen等提出PseudoSpec，将功能需求组织为工程规格，并在五个开放权重模型上研究其对恶意代码生成拒绝行为的影响。SpecCloak结合PseudoSpec与判别器引导优化，在RedCode-Gen八个目标模型上的平均执行验证攻击成功率为28.91%；摘要还报告了无需目标模型微调的SpecReveal防御原型，其独立提示检测评估攻击检测率为96.88%。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org